| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 海上风力发电中的混沌特性分析 | 第14-23页 |
| 2.1 混沌时间序列的基本概念 | 第14-15页 |
| 2.1.1 混沌理论的发展 | 第14-15页 |
| 2.1.2 混沌系统的动力学特性 | 第15页 |
| 2.2 混沌时间序列的特征参数 | 第15-17页 |
| 2.2.1 Lyapunov指数 | 第16页 |
| 2.2.2 分数维数 | 第16-17页 |
| 2.2.3 熵 | 第17页 |
| 2.3 混沌时间序列的识别方法 | 第17-18页 |
| 2.3.1 功率谱方法 | 第17-18页 |
| 2.3.2 主成分分析法 | 第18页 |
| 2.3.3 Lyapunov指数计算法 | 第18页 |
| 2.4 海上风力发电的混沌特性分析 | 第18-22页 |
| 2.4.1 数据预处理 | 第19页 |
| 2.4.2 混沌特性分析 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于混沌理论的神经网络预测模型研究 | 第23-32页 |
| 3.1 混沌时间序列预测的理论基础 | 第23页 |
| 3.2 功率时间序列的相空间重构与优化 | 第23-27页 |
| 3.2.1 相空间重构方法 | 第23-24页 |
| 3.2.2 嵌入维数的选取 | 第24-25页 |
| 3.2.3 延迟时间的选取 | 第25-26页 |
| 3.2.4 嵌入维数与延迟时间的优化 | 第26-27页 |
| 3.3 基于混沌神经网络的海上风电功率预测 | 第27-31页 |
| 3.3.1 建模步骤 | 第27-28页 |
| 3.3.2 输入变量选择与分析 | 第28页 |
| 3.3.3 神经网络参数优化 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于混沌神经网络与中尺度气象预报相结合的自适应容量预测 | 第32-50页 |
| 4.1 中尺度气象预报的精度分析 | 第32-41页 |
| 4.1.1 中尺度气象预报的来源选择 | 第32-34页 |
| 4.1.2 气象来源比较分析 | 第34-37页 |
| 4.1.3 中尺度气象预报的时效性分析 | 第37-41页 |
| 4.2 模型的时效性分析 | 第41-42页 |
| 4.2.1 混沌神经网络容量预测模型时效性分析 | 第41-42页 |
| 4.2.2 基于中尺度气象的功率预测模型时效性分析 | 第42页 |
| 4.3 混沌神经网络与中尺度气象预报的组合预测策略 | 第42-49页 |
| 4.3.1 组合预测策略 | 第42-43页 |
| 4.3.2 组合预测模型的优化 | 第43-45页 |
| 4.3.3 实测数据结果与分析 | 第45页 |
| 4.3.4 组合预测的时效性 | 第45-46页 |
| 4.3.5 组合预测的月波动性 | 第46-48页 |
| 4.3.6 合预测的日波动性 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-51页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |
